一种基于人脸识别的智能家居系统技术方案

本发明专利技术提供了一种基于人脸识别的智能家居系统，包括人脸识别子系统、门禁子系统、控制中心、智能家居和移动终端，所述人脸识别子系统、门禁子系统、智能家居和移动终端皆与控制中心连接；所述人脸识别子系统用于获取人脸图像并对人脸图像进行人脸识别；所述控制中心在人脸识别成功时控制门禁子系统解除门禁并根据用户的预设参数对智能家居进行相应操作，在人脸识别失败时将人脸图像通过网络发送给移动终端告知用户，用户可选择通过移动终端发送指令开启门禁。本发明专利技术能够在陌生人进入识别范围时，识别不出人脸数据后与用户的移动终端进行通信，保证了整个系统以及家庭的安全。

【技术实现步骤摘要】
一种基于人脸识别的智能家居系统
本专利技术涉及智能家居
，具体涉及一种基于人脸识别的智能家居系统。
技术介绍
智能家居利用先进的计算机技术、网络通信技术和综合布线技术，将与家居生活有关的各种子系统有机地结合在一起，通过统筹管理优化人们的生活方式，帮助人们有效地安排时间，增强家居生活的安全性，甚至为各种能源费用节约资金。相关技术中的智能家居产品应用如红外传感等普通传感器技术，安全性方面有着极大的不足。
技术实现思路
针对上述问题，本专利技术提供一种基于人脸识别的智能家居系统。本专利技术的目的采用以下技术方案来实现：提供了一种基于人脸识别的智能家居系统，包括人脸识别子系统、门禁子系统、控制中心、智能家居和移动终端，所述人脸识别子系统、门禁子系统、智能家居和移动终端皆与控制中心连接；所述人脸识别子系统用于获取人脸图像并对人脸图像进行人脸识别；所述控制中心在人脸识别成功时控制门禁子系统解除门禁并根据用户的预设参数对智能家居进行相应操作，在人脸识别失败时将人脸图像通过网络发送给移动终端告知用户，用户可选择通过移动终端发送指令开启门禁。本专利技术的有益效果为：根据用户的预设参数对智能家居进行相应操作，使得用户能根据个人爱好习惯对家居环境进行相应的调整，更能体现系统的智能化；设置的人脸识别子系统能够在陌生人进入识别范围时，识别不出人脸数据后与用户的移动终端进行通信，保证了整个系统以及家庭的安全。附图说明利用附图对本专利技术作进一步说明，但附图中的实施例不构成对本专利技术的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。图1本专利技术的结构连接框图；图2是本专利技术人脸识别子系统的结构连接框图。附图标记：人脸识别子系统1、门禁子系统2、控制中心3、智能家居4、移动终端5、人脸图像获取模块10、人脸图像识别模块20。具体实施方式结合以下实施例对本专利技术作进一步描述。参见图1，本实施例提供了一种基于人脸识别的智能家居系统，该系统包括人脸识别子系统1、门禁子系统2、控制中心3、智能家居4和移动终端5，所述人脸识别子系统1、门禁子系统2、智能家居4和移动终端5皆与控制中心3连接；所述人脸识别子系统1用于获取人脸图像并对人脸图像进行人脸识别；所述控制中心3在人脸识别成功时控制门禁子系统2解除门禁并根据用户的预设参数对智能家居4进行相应操作，在人脸识别失败时将人脸图像通过网络发送给移动终端5告知用户，用户可选择通过移动终端5发送指令开启门禁。优选地，所述门禁子系统2包括房门、门锁、用于控制门锁开启的控制器，所述控制器与控制中心3连接。优选地，所述智能家居4包括灯、热水器、空调。本专利技术上述实施例，根据用户的预设参数对智能家居4进行相应操作，使得用户能根据个人爱好习惯对家居环境进行相应的调整，更能体现系统的智能化；设置的人脸识别子系统1能够在陌生人进入识别范围时，识别不出人脸数据后与用户的移动终端5进行通信，保证了整个系统以及家庭的安全。优选地，如图2所示，所述人脸识别子系统1包括相连接的人脸图像获取模块10和人脸图像识别模块20；所述人脸图像获取模块10用于获取多张待识别的人脸图像，并从获取的人脸图像中筛选出图像质量度最大的人脸图像作为用于人脸识别的最优人脸图像；所述人脸图像识别模块20用于对最优人脸图像进行识别，并向控制中心3输出人脸识别结果；其中，定义图像质量度的计算公式为：式中，Zi为多张图像中第i张人脸图像的图像质量度，ρi为多张图像中第i张人脸图像的设定区域的平均灰度值，ρ为根据实际情况设定的灰度值阈值，vi为多张图像中第i张人脸图像的边缘锐度，v为根据实际情况设定的边缘锐度阈值，为多张图像的平均灰度值，为多张图像的平均边缘锐度，m为从摄像系统获取的多张图像的数量；ai为第i张人脸图像中人脸所占该张人脸图像的比例，α为设定的比例阈值，当αi-α≥0时，f(αi-α)＝1，αi-α<0时，f(αi-α)＝0。本优选实施例中，按照自定义的图像质量度计算公式筛选出合适的人脸图像进行人脸识别检测，能够大大节约系统存储空间，提高人脸识别检测的速度，在图像质量度计算公式中，考虑人脸图像所占比例、边缘锐度和灰度值因素，避免通过单一特征进行图像质量评价的局限性，能够较为准确地筛选出质量高的图像进行人脸识别，简化了图像筛选的运算量，进一步提高了图像筛选的效率。优选地，所述对最优人脸图像进行识别，包括：(1)在人脸识别子系统1预先构建的人脸数据库中选取N张人脸图像构建训练样本集X＝[X1,X2,…,XN]，将筛选出的人脸图像作为测试样本Y，对训练样本集进行过滤预处理，保留对测试样本的表示及分类影响较大的训练样本，并利用保留的训练样本构建最优训练样本集；(2)将最优训练样本集中的每副人脸图像平均分割成R个块，则该最优训练样本集被分割成R个子样本集Ap,p＝1,…,R，每个子样本集由每副人脸图像的第p个块构成；(3)将测试样本平均分成R个块，即Y＝[Yp,p＝1,…,R]，对最优训练样本集和测试样本按照下述公式进行块加权：式中，vp为最优训练样本集中所有人脸图像的第p个块的稀疏残差均值，v1、v2为设定的残差阈值，v1<v2，f(vp)为判定函数，当vp<v1时，f(vp)＝1，当vp>v2时，f(vp)＝0；式中，μp为最优训练样本集中的类间距离方差和类内距离方差的比值，μ1、μ2为设定的判别度阈值，μ1<μ2，f(μp)为判定函数，当μp<μ2时，f(μp)＝0，当μp>μ1时，f(μp)＝1；其中，vp的求取过程为：对于最优训练样本集中的任意一副人脸图像，用该人脸图像以外的剩余图像对该样本进行稀疏表示，得到该人脸图像的各块的稀疏残差，然后计算出所有人脸图像的第p个块的稀疏残差均值；(4)用加权后的最优训练样本集对加权后的测试样本进行稀疏表示，计算其中每个类的重构残差，最终将测试样本分类为最小重构残差对应的类。本优选实施例中，将测试样本和最优训练样本集中的人脸图像分割成相同大小的块，可以更好地在识别检测过程中捕捉到更具判别性的信息，对最优训练样本集和测试样本按照上述公式进行块加权，能够更准确地选择出遮挡块和判别性块，降低遮挡部位对人脸识别性能的影响，从而能够提高人脸图像的识别率，提高智能家居系统的安防效果。优选地，所述对训练样本集进行过滤预处理，保留对测试样本的表示及分类影响较大的训练样本，并利用保留的训练样本构建最优训练样本集，具体包括：(1)利用训练样本集X对测试样本Y进行线性表示，计算训练样本集X中各训练样本向量的表示系数S＝[S1,S2,…,SN]T，其中，表示系数S的计算公式为：S＝(XTX+ξI)-1XTY式中，I为单位矩阵，ξ为设定的系数；(2)设训练样本集X中共有M个类，第j个类中有nj个训练样本，计算每个类的重构残差为：式中，Ej为第j个类的重构残差，Xj表示第j个类的训练样本集，Sk表示第j个类中第k个训练样本对应的表示系数；(3)选取前m个最小重构残差对应的类作为备选类，用该m个备选类构建近邻字典D＝[D1,D2,…,Dm]，Dj(j＝1,…,m)表示备选类中第j个类的训练样本集，用该备选类对测试样本Y进行线性表示，计算近邻字典D中各备选类对应的本文档来自技高网...

【技术保护点】
一种基于人脸识别的智能家居系统，其特征是，包括人脸识别子系统、门禁子系统、控制中心、智能家居和移动终端，所述人脸识别子系统、门禁子系统、智能家居和移动终端皆与控制中心连接；所述人脸识别子系统用于获取人脸图像并对人脸图像进行人脸识别；所述控制中心在人脸识别成功时控制门禁子系统解除门禁并根据用户的预设参数对智能家居进行相应操作，在人脸识别失败时将人脸图像通过网络发送给移动终端告知用户，用户可选择通过移动终端发送指令开启门禁。

【技术特征摘要】
1.一种基于人脸识别的智能家居系统，其特征是，包括人脸识别子系统、门禁子系统、控制中心、智能家居和移动终端，所述人脸识别子系统、门禁子系统、智能家居和移动终端皆与控制中心连接；所述人脸识别子系统用于获取人脸图像并对人脸图像进行人脸识别；所述控制中心在人脸识别成功时控制门禁子系统解除门禁并根据用户的预设参数对智能家居进行相应操作，在人脸识别失败时将人脸图像通过网络发送给移动终端告知用户，用户可选择通过移动终端发送指令开启门禁。2.根据权利要求1所述的一种基于人脸识别的智能家居系统，其特征是，所述门禁子系统包括房门、门锁、用于控制门锁开启的控制器，所述控制器与控制中心连接。3.根据权利要求1所述的一种基于人脸识别的智能家居系统，其特征是，所述智能家居包括灯、热水器、空调。4.根据权利要求1所述的一种基于人脸识别的智能家居系统，其特征是，所述人脸识别子系统包括相连接的人脸图像获取模块和人脸图像识别模块；所述人脸图像获取模块用于获取多张待识别的人脸图像，并从获取的人脸图像中筛选出图像质量度最大的人脸图像作为用于人脸识别的最优人脸图像；所述人脸图像识别模块用于对最优人脸图像进行识别，并向控制中心输出人脸识别结果。5.根据权利要求4所述的一种基于人脸识别的智能家居系统，其特征是，定义所述图像质量度的计算公式为：式中，Zi为多张图像中第i张人脸图像的图像质量度，Z为设定的图像质量度阈值，ρi为多张图像中第i张人脸图像的设定区域的平均灰度值，ρ为根据实际情况设定的灰度值阈值，vi为多张图像中第i张人脸图像的边缘锐度，v为根据实际情况设定的边缘锐度阈值，为多张图像的平均灰度值，为多张图像的平均边缘锐度，m为从摄像系统获取的多张图像的数量...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：深圳汇通智能化科技有限公司，
类型：发明
国别省市：广东,44